1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...

求各位牛爷爷指点

目前只能约到小公司，求大神指导

1. 自我介绍，说说你做过的项目里技术上最有挑战的一个。答：按"背景→技术挑战→你的解法→结果"四段走，控制在2分钟。重点放在技术挑战上，说清楚难在哪、你怎么想的、最终怎么解决的。极米是投影仪方向，如果有音视频、显示、IoT相关经验要重点提。2. FreeRTOS的任务堆栈溢出是如何检测的？溢出后系统会发生什么，如何预防？答：FreeRTOS提供两种栈溢出检测方式，通过configCHECK_FOR_STACK_OVERFLOW宏配置。方式一（检测值为1）：任务切换时检查栈指针是否越界，只在上下文切换时检查，开销小，但如果溢出发生在两次切换之间可能漏检。方式二（检测值为2）...